一种基于稳定性变换的深度神经网络测试数据生成方法

摘要

一种基于稳定性变换的深度神经网络测试数据生成方法，包含图像上传与模型导入模块、拓增数据集生成模块、拓增数据集评估模块和实验结果分析评价模块。在图像上传与模型导入模块，用户上传若干带标签的图像集，并且上传后用户可以预览图片并可以剔除真实标签较为模糊的图像。在拓增数据集生成模块，系统首先会对算子进行单一、基于真实场景的变换，每个像素点都加减β或者每个像素点都乘以恒定参数α，倾斜角度θ应在一个合理的范围;避免进行大面积的卷积操作。在拓增数据集评估模块，系统会运行测试用例生成模块生成的测试数据，并根据运行的最终结果以及中间结果得出该测试用例对应的神经元覆盖率。在实验结果分析评价模块，深度神经网络稳定性测试数据生成技术会统计出所有的对抗样本数目，并对比扩增后的模型训练的准确度与扩增前训练训练的准确度。